本文關(guān)鍵詞：加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類

  更多相關(guān)文章： 高光譜圖像 圖像分類 空間近鄰 加權(quán)空-譜距離 最近鄰分類器

【摘要】：提出了一種基于加權(quán)空-譜距離(WSSD)的相似性度量方法 ,并將其應(yīng)用到最近鄰分類器(KNN)中,導(dǎo)出了一種新的高光譜圖像分類算法。該算法利用高光譜圖像的物理特性,通過(guò)引入空間窗口和光譜因子這兩個(gè)參數(shù)來(lái)挖掘出圖像中的空間信息與光譜信息,利用空間近鄰點(diǎn)對(duì)中心像元進(jìn)行重構(gòu)。在最大限度減少圖像冗余信息的基礎(chǔ)上,增大了同類像元間的相似性以及異類像元間的差異性,獲得了更為有效的鑒別特征,從而更好地實(shí)現(xiàn)了數(shù)據(jù)間的相似性度量�；贗ndian Pines和PaviaU高光譜數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn),結(jié)果表明:將提出的WSSD-KNN算法應(yīng)用于高光譜圖像分類時(shí),其分類精度高于其他算法,總體分類精度分別達(dá)到了91.72%和96.56%。由于算法較好地融合了圖像中的空間-光譜信息,提取出了更為有效的鑒別特征,故不僅有效地改善了高光譜數(shù)據(jù)的地物分類精度,而且可在訓(xùn)練樣本較少時(shí),保持較高的識(shí)別率。
【作者單位】： 重慶大學(xué)光電技術(shù)與系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 高光譜圖像 圖像分類 空間近鄰 加權(quán)空-譜距離 最近鄰分類器
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(No.41371338;No.61101168) 重慶市基礎(chǔ)與前沿研究計(jì)劃資助項(xiàng)目(No.cstc2013jcyjA4005) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(No.106112013CDJZR125501;No.1061120131204)
【分類號(hào)】：TP751
【正文快照】： 1引言高光譜遙感是現(xiàn)代遙感領(lǐng)域中最具前景的應(yīng)用技術(shù)之一,被廣泛用于資源探索、環(huán)境監(jiān)測(cè)和精準(zhǔn)農(nóng)業(yè)等諸多領(lǐng)域[1-3]。高光譜圖像最主要的特點(diǎn)是圖譜合一[4],在獲取地面圖像空間信息的同時(shí),得到每個(gè)地物的連續(xù)光譜信息,為地物的精細(xì)識(shí)別與分類帶來(lái)了新的機(jī)遇[5]。由于高光譜數(shù)

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 諶德榮;宮久路;陳乾;曹旭平;;基于樣本分割的快速高光譜圖像異常檢測(cè)支持向量數(shù)據(jù)描述方法[J];兵工學(xué)報(bào);2008年09期

2 蒲曉豐;雷武虎;張林虎;蔣奇材;;基于Fukunaga-Koontz變換的高光譜圖像異常檢測(cè)[J];紅外技術(shù);2010年04期

3 成寶芝;郭宗光;;高光譜圖像波段間相關(guān)特性研究[J];大慶師范學(xué)院學(xué)報(bào);2013年06期

4 楊龍;易宏杰;李因彥;;遙感高光譜圖像赤潮識(shí)別[J];傳感器世界;2007年05期

5 汪倩;陶鵬;;結(jié)合空間信息的高光譜圖像快速分類方法[J];微計(jì)算機(jī)信息;2010年21期

6 王立國(guó);孫杰;肖倩;;結(jié)合空-譜信息的高光譜圖像分類方法[J];黑龍江大學(xué)自然科學(xué)學(xué)報(bào);2010年06期

7 付歡;龍海南;韓曉霞;;基于冗余字典的高光譜圖像的稀疏分解[J];河北軟件職業(yè)技術(shù)學(xué)院學(xué)報(bào);2013年04期

8 耿修瑞,張霞,陳正超,張兵,鄭蘭芬,童慶禧;一種基于空間連續(xù)性的高光譜圖像分類方法[J];紅外與毫米波學(xué)報(bào);2004年04期

9 張綺瑋;機(jī)載高光譜遙感圖像處理軟件系統(tǒng)[J];紅外;2005年02期

10 谷延鋒;劉穎;賈友華;張曄;;基于光譜解譯的高光譜圖像奇異檢測(cè)算法[J];紅外與毫米波學(xué)報(bào);2006年06期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 張兵;王向偉;鄭蘭芬;童慶禧;;高光譜圖像地物分類與識(shí)別研究[A];成像光譜技術(shù)與應(yīng)用研討會(huì)論文集[C];2004年

2 王成;何偉基;陳錢;;基于波段重組和小波變換的高光譜圖像嵌入式壓縮方法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會(huì)論文（摘要）集[C];2013年

3 孫蕾;羅建書;;基于分類預(yù)測(cè)的高光譜遙感圖像無(wú)損壓縮[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

4 張曉紅;張立福;王晉年;童慶禧;;HJ-1A衛(wèi)星高光譜遙感圖像質(zhì)量綜合評(píng)價(jià)[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年

5 蒲曉豐;雷武虎;黃濤;王迪;;基于穩(wěn)健背景子空間的高光譜圖像異常檢測(cè)[A];中國(guó)光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復(fù)旦大學(xué);2014年

2 賀智;改進(jìn)的經(jīng)驗(yàn)?zāi)B(tài)分解算法及其在高光譜圖像分類中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年

3 葉珍;高光譜圖像特征提取與分類算法研究[D];西北工業(yè)大學(xué);2015年

4 賀霖;高光譜圖像自動(dòng)目標(biāo)檢測(cè)技術(shù)研究[D];西北工業(yè)大學(xué);2007年

5 周爽;蟻群算法在高光譜圖像降維和分類中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2010年

6 高恒振;高光譜遙感圖像分類技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

7 徐速;基于壓縮感知的高光譜圖像稀疏解混方法研究[D];重慶大學(xué);2015年

8 馬靜;干涉高光譜圖像高效壓縮技術(shù)研究[D];西安電子科技大學(xué);2009年

9 周正;基于自適應(yīng)譜段重組的高光譜圖像壓縮方法研究[D];華中科技大學(xué);2007年

10 劉振林;基于核空譜信息挖掘的高光譜圖像分類方法研究[D];哈爾濱工業(yè)大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 黃秀琴;基于統(tǒng)計(jì)的高光譜圖像分類技術(shù)研究[D];電子科技大學(xué);2008年

2 魏然;基于三維光譜模型的高光譜圖像壓縮方法的研究[D];哈爾濱工業(yè)大學(xué);2010年

3 王成;高光譜圖像壓縮的方法研究[D];南京理工大學(xué);2014年

4 唐雪飛;基于案例推理的高光譜圖像分類研究[D];哈爾濱工業(yè)大學(xué);2010年

5 倪廣波;基于預(yù)測(cè)的高光譜圖像無(wú)損壓縮算法研究[D];哈爾濱工業(yè)大學(xué);2009年

6 王依萍;基于主動(dòng)學(xué)習(xí)的高光譜圖像分類方法研究[D];西安電子科技大學(xué);2014年

7 李偉;高光譜圖像異常小目標(biāo)檢測(cè)算法研究[D];哈爾濱工程大學(xué);2009年

8 王秀朋;基于投影尋蹤的高光譜圖像降維算法研究[D];西北工業(yè)大學(xué);2006年

9 吳蓓芬;偏振高光譜圖像場(chǎng)景仿真及分類方法研究[D];哈爾濱工業(yè)大學(xué);2015年

10 薛莉;基于預(yù)測(cè)技術(shù)的高光譜圖像壓縮算法研究[D];哈爾濱工業(yè)大學(xué);2006年

，

本文編號(hào)：987016